自适应最稀疏时频分析(Aadaptive and Sparsest Time-Frequency Analysis,ASTFA)是一种新的时频分析方法,该方法将信号分解转化为最优化问题,在优化的过程中实现信号的自适应分解。为解决ASTFA方法初始相位函数的选择问题,采用了分辨率...自适应最稀疏时频分析(Aadaptive and Sparsest Time-Frequency Analysis,ASTFA)是一种新的时频分析方法,该方法将信号分解转化为最优化问题,在优化的过程中实现信号的自适应分解。为解决ASTFA方法初始相位函数的选择问题,采用了分辨率搜索改进的ASTFA方法,并进一步结合阶次分析方法提出了基于ASTFA的阶次方法。该方法首先采用改进的ASTFA方法对原始信号进行分解同时获得分量的瞬时幅值,然后对瞬时幅值进行阶次分析从而提取故障特征信息。将该方法应用于变速齿轮传动过程中的时变非平稳振动信号的分析与处理,仿真与实验分析表明该方法能够准确提取变速齿轮的故障特征信息,具有一定的优越性。展开更多
当前高校教育改革逐渐深入,如何提高教学质量已经成为当前高校教学的工作重点,而教学评价是提高教学质量的关键指标。因此,合理、科学的教学评价方法显得尤为重要。目前神经网络被广泛应用于高校教学评价,但是神经网络具有样本需求多、...当前高校教育改革逐渐深入,如何提高教学质量已经成为当前高校教学的工作重点,而教学评价是提高教学质量的关键指标。因此,合理、科学的教学评价方法显得尤为重要。目前神经网络被广泛应用于高校教学评价,但是神经网络具有样本需求多、计算量大及容易陷入局部最优解的缺陷。针对这些问题,提出变量预测模型分类(Variable Predictive Model Based Class Discriminate,VPMCD)方法的全方位高校教师教学质量评价方法,并将其与BP神经网络进行仿真对比分析。结果表明,相对神经网络,VPMCD方法能有效提高评价准确率。展开更多
文摘自适应最稀疏时频分析(Aadaptive and Sparsest Time-Frequency Analysis,ASTFA)是一种新的时频分析方法,该方法将信号分解转化为最优化问题,在优化的过程中实现信号的自适应分解。为解决ASTFA方法初始相位函数的选择问题,采用了分辨率搜索改进的ASTFA方法,并进一步结合阶次分析方法提出了基于ASTFA的阶次方法。该方法首先采用改进的ASTFA方法对原始信号进行分解同时获得分量的瞬时幅值,然后对瞬时幅值进行阶次分析从而提取故障特征信息。将该方法应用于变速齿轮传动过程中的时变非平稳振动信号的分析与处理,仿真与实验分析表明该方法能够准确提取变速齿轮的故障特征信息,具有一定的优越性。
文摘当前高校教育改革逐渐深入,如何提高教学质量已经成为当前高校教学的工作重点,而教学评价是提高教学质量的关键指标。因此,合理、科学的教学评价方法显得尤为重要。目前神经网络被广泛应用于高校教学评价,但是神经网络具有样本需求多、计算量大及容易陷入局部最优解的缺陷。针对这些问题,提出变量预测模型分类(Variable Predictive Model Based Class Discriminate,VPMCD)方法的全方位高校教师教学质量评价方法,并将其与BP神经网络进行仿真对比分析。结果表明,相对神经网络,VPMCD方法能有效提高评价准确率。